Bitcast

یک تانسور را از یک نوع به نوع دیگر بدون کپی کردن داده ارسال می کند.

با توجه به «ورودی» تانسور، این عملیات تانسوری را برمی‌گرداند که داده‌های بافری مشابه «ورودی» با نوع داده «نوع» دارد.

اگر نوع داده ورودی «T» بزرگتر از نوع داده خروجی «نوع» باشد، شکل از [...] به [..., sizeof(`T`)/sizeof(`type`)] تغییر می کند.

اگر «T» کوچکتر از «type» باشد، اپراتور نیاز دارد که سمت راست‌ترین بعد برابر با sizeof('type')/sizeof('T') باشد. سپس شکل از [..., sizeof(`type`)/sizeof(`T`)] به [...] می رود.

زمانی که dtype واقعی به عنوان یک dtype پیچیده (مثلا tf.complex64 یا tf.complex128) ریخته می شود، tf.bitcast () و tf.cast () متفاوت عمل می کنند، زیرا tf.cast() قسمت خیالی 0 را می سازد در حالی که tf.bitcast() ماژول را می دهد. خطا مثلا،

مثال 1:

>>> a = [1., 2., 3.] >>>quality_bitcast = tf.bitcast(a, tf.complex128) Traceback (آخرین تماس اخیر): ... InvalidArgumentError: نمی توان از 1 به 18 بیت ارسال کرد [ Op:Bitcast] >>>quality_cast = tf.cast(a, tf.complex128) >>> print(equality_cast) tf.Tensor([1.+0.j 2.+0.j 3.+0.j] , shape=(3,), dtype=complex128)

مثال 2:

>>> tf.bitcast(tf.constant(0xffffffff، dtype=tf.uint32)، tf.uint8)

مثال 3:

>>> x = [1., 2., 3.] >>> y = [0., 2., 3.] >>> equality= tf.equal(x,y) >>> equality_cast = tf. cast(equality,tf.float32) >>>quality_bitcast = tf.bitcast(equality_cast,tf.uint8) >>> print(equality) tf.Tensor([False True], shape=(3,), dtype=bool ) >>> print(equality_cast) tf.Tensor([0. 1. 1.]، shape=(3،)، dtype=float32) >>> print(equality_bitcast) tf.Tensor( [[ 0 0 0 0] [ 0 0 128 63] [ 0 0 128 63]]، shape=(3، 4)، dtype=uint8)

توجه : بیت‌کست به‌عنوان یک بازیگر سطح پایین پیاده‌سازی می‌شود، بنابراین ماشین‌هایی با سفارش‌های اندیان متفاوت نتایج متفاوتی خواهند داشت. یک کپی از بافر ورودی به بافر خروجی در ماشین‌های BE زمانی ایجاد می‌شود که انواع آن اندازه‌های متفاوتی داشته باشند تا نتایج ریخته‌گری مشابهی با ماشین‌های LE حاصل شود.